【環境構築】「A NumPy version >=1.16.5 is required」が警告するPython依存地獄（Dependency Hell）

GitHubで見つけた面白そうなAIプロジェクト。「よし、さっそく自分のPCでも動かしてみよう！」と意気込み、READMEの通りに pip install -r requirements.txt を叩いた直後、コンソールが真っ赤に染まった経験はありませんか？

RuntimeError: A NumPy version >=1.16.5 and <1.23.0 is required for this version of SciPy

「え？NumPyならもう最新版が入ってるけど？」と思ってバージョンを確認すると、確かに 1.24.0。指定されたバージョンより新しすぎるため、他のライブラリ（SciPy）が「対応できない！」と悲鳴を上げているのです。

この現象こそが、Pythonプログラマー全員が通る洗礼「依存地獄（Dependency Hell）」です。
本記事では、この地獄から抜け出し、二度と環境構築で1日を無駄にしないための「仮想環境の正しい切り分け方」と「Poetry/Dockerによるパッケージ管理の極意」を徹底解説します！

1. 「最新版なら良い」という初心者の罠

ソフトウェアの世界では「常に最新版が最強」とは限りません。特に機械学習やデータサイエンスの分野では、PyTorch、TensorFlow、NumPy、Pandasといった巨大なライブラリが、お互いに複雑に絡み合って（依存し合って）動いています。

ある日、NumPyの開発チームが「ちょっと内部の計算式の書き方（API）を変えよう！」とアップデートしたとします。すると、その古い書き方に依存していたSciPyやscikit-learnは、最新のNumPyを呼び出した途端に「そんな関数は知らない！」とクラッシュしてしまうのです。

これが、エラーメッセージにある >=1.16.5 and <1.23.0 という指定の正体です。
「新しすぎてもダメ、古すぎてもダメ。このピンポイントのバージョンじゃないと私は動けないの！」という、ライブラリ側の切実な叫びなのです。

2. 絶対にやってはいけない「システム全体の汚染」

このエラーを見た初心者がやりがちな最悪の行動が、「システム全体のPython環境（グローバル環境）で、無理やりライブラリをダウングレード・アップグレードしてしまうこと」です。

# 【絶対にやってはいけないコマンド】
# PC全体のNumPyのバージョンを無理やり下げてしまう
pip install numpy==1.22.4

これをやるとどうなるか？
今動かそうとしている「プロジェクトA」は動くようになるかもしれません。しかし、明日あなたが仕事で使っている「プロジェクトB」を開いたとき、プロジェクトBが必要としていた最新のNumPyが消え去っているため、今度はそちらが全て動かなくなります。
これこそが真の「地獄」の始まりです。プロジェクトを行き来するたびに再インストールを繰り返す羽目になります。

3. 地獄からの脱出：仮想環境（Virtual Environment）の構築

この問題を根本から解決するプロの唯一の手段が「プロジェクトごとに独立したPythonの部屋（＝仮想環境）を作る」ことです。

「プロジェクトAの部屋には古いNumPy」「プロジェクトBの部屋には新しいNumPy」という風に、本棚を完全に分けてしまうのです。
Pythonには標準で venv という強力な仮想環境ツールが組み込まれています。

# プロジェクトのフォルダに移動
cd my_cool_project
# 1. 「.venv」という名前で空っぽの新しい部屋（仮想環境）を作る
python3 -m venv .venv
# 2. その部屋に入る（アクティベートする）
# Mac / Linux の場合
source .venv/bin/activate
# Windows の場合
# .\.venv\Scriptsctivate
# 3. 部屋に入った状態でインストール！
# これで、どんなバージョンを入れてもPC本体や他のプロジェクトには一切影響が及ばない！
pip install -r requirements.txt

まとめ：環境構築力はエンジニアの戦闘力

「A NumPy version... is required」というエラーは、実はバグではありません。
むしろ、「環境が混ざってプログラムが予測不能な動きをする前に、インストールを止めてくれた親切な警告」なのです。

中級者以上になると、venv に加えて、より高度にバージョン同士のパズルを解いてくれる Poetry というツールや、OS（Linux）まるごと仮想化してしまう Docker を多用するようになります。
「エラーが出たからStack Overflowのコードを適当にコピペして実行する」という状態から卒業し、Pythonのパッケージ管理やDockerの仕組みを専門書で体系的に学ぶことが、ストレスフリーな開発への近道です！

リンク